एलेक्जेंड्रा फॉस्ट एक सर्बियाई-अमेरिकी कंप्यूटर वैज्ञानिक हैं, जो जेनेसिस मॉलिक्यूलर एआई में मुख्य एआई अधिकारी के रूप में कार्यरत हैं। उन्हें सुदृढीकरण सीखने, रोबोटिक्स गति योजना, और बायोमोलेक्यूलर संरचनाओं के लिए फाउंडेशन मॉडल में योगदान के लिए पहचाना जाता है। फॉस्ट ने पहले Google DeepMind और सैंडिया नेशनल लेबोरेटरीज में अनुसंधान नेतृत्व पदों पर कार्य किया है, और उन्हें रोबोटिक्स और ऑटोमेशन में IEEE अर्ली करियर अवार्ड से सम्मानित किया गया है।
फॉस्ट का शोध कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, और डीप लर्निंग के क्षेत्रों में फैला हुआ है, जिसमें स्केलेबल स्वायत्तता और सीखने वाले एजेंटों के स्वचालित डिजाइन पर ध्यान केंद्रित है। उन्होंने स्वचालित सुदृढीकरण सीखने (AutoRL) के क्षेत्र की सह-स्थापना की और विविध भौतिक वातावरणों में कार्य करने में सक्षम सामान्यवादी रोबोट मॉडल को आगे बढ़ाया है। उनके हालिया कार्य में वेब एजेंटों के विकास का नेतृत्व करना और 'लेवल्स ऑफ AGI' ढांचे का सह-लेखन शामिल है।
शिक्षा
फॉस्ट ने बेलग्रेड विश्वविद्यालय से गणित और कंप्यूटर विज्ञान में स्नातक विज्ञान की डिग्री प्राप्त की। इसके बाद उन्होंने 2004 में इलिनोइस विश्वविद्यालय अर्बाना-शैंपेन से कंप्यूटर विज्ञान में मास्टर ऑफ साइंस पूरा किया। 2014 में, उन्होंने न्यू मैक्सिको विश्वविद्यालय से कंप्यूटर विज्ञान में पीएच.डी. प्राप्त की, जहां उनके डॉक्टरेट अनुसंधान की देखरेख लिडिया टापिया ने की। उनके स्नातक अध्ययन एल्गोरिदमिक रोबोटिक्स और गति योजना पर केंद्रित थे, जिसने सीखने-आधारित दृष्टिकोणों में उनके बाद के कार्य की नींव रखी।
सैंडिया नेशनल लेबोरेटरीज में करियर
2006 से 2015 तक, फॉस्ट ने सैंडिया नेशनल लेबोरेटरीज, जो संयुक्त राज्य ऊर्जा विभाग की एक सुविधा है, में वरिष्ठ अनुसंधान और विकास इंजीनियर के रूप में कार्य किया। इस अवधि के दौरान, उन्होंने जटिल रोबोटिक प्रणालियों और स्वायत्त नेविगेशन चुनौतियों पर कम्प्यूटेशनल तरीकों को लागू किया। सैंडिया में उनके कार्य में संवेदन, योजना, और नियंत्रण को एकीकृत करना शामिल था, जिसने सुदृढीकरण सीखने और गति योजना में उनके बाद के शोध को प्रभावित किया। इस अनुभव ने सैद्धांतिक एल्गोरिदम और व्यावहारिक हार्डवेयर बाधाओं के बीच सेतु बनाने में उनकी रुचि को भी आकार दिया।
Waymo और Google Brain
2015 में, फॉस्ट Waymo में शामिल हुईं, जो Google के अधीन स्व-ड्राइविंग कार परियोजना है, जहां उन्होंने स्वायत्त वाहनों के लिए गति योजना पर मशीन लर्निंग लागू करने पर ध्यान केंद्रित किया। Waymo में उनके कार्य ने गतिशील यातायात वातावरणों में वास्तविक समय निर्णय लेने को संबोधित किया, जिससे सुरक्षित नेविगेशन प्रणालियों के विकास में योगदान मिला।
2017 में, फॉस्ट Google Brain में चली गईं, जो एक डीप लर्निंग अनुसंधान समूह है। समूह के DeepMind के साथ एकीकरण के बाद वह Google DeepMind में अनुसंधान निदेशक बन गईं। इस भूमिका में, उन्होंने स्केलेबल स्वायत्तता और सुदृढीकरण सीखने पर अनुसंधान का नेतृत्व किया, उन परियोजनाओं की देखरेख की जिनका उद्देश्य सीखने के एल्गोरिदम को अधिक कुशल और बड़े पैमाने की प्रणालियों पर लागू करना था। उनके नेतृत्व ने तंत्रिका नेटवर्क प्रशिक्षण विधियों और एजेंट-आधारित सीखने में प्रगति में योगदान दिया।
स्वचालित सुदृढीकरण सीखने (AutoRL)
फॉस्ट ने उस पेपर का सह-लेखन किया जिसने स्वचालित सुदृढीकरण सीखने (AutoRL) की स्थापना की, यह शब्द उनके शोध को श्रेय दिया जाता है। AutoRL सीखने वाले एजेंटों के डिजाइन को स्वचालित करता है, जिसमें वास्तुकला, पुरस्कार कार्यों, और हाइपरपैरामीटर के विकल्प शामिल हैं, जिससे मैन्युअल ट्यूनिंग की आवश्यकता कम हो जाती है। उन्होंने इस क्षेत्र के पहले सर्वेक्षण का भी सह-लेखन किया, जिसने इस क्षेत्र में दृष्टिकोणों और खुले प्रश्नों को व्यवस्थित किया।
फॉस्ट ने 2023 में AutoML सम्मेलन के लिए कार्यक्रम अध्यक्ष के रूप में कार्य किया, जिससे स्वचालित मशीन लर्निंग के आसपास शैक्षणिक समुदाय को संगठित करने में मदद मिली। AutoRL में उनके कार्य ने शोधकर्ताओं के हाइपरपैरामीटर अनुकूलन और सुदृढीकरण सीखने में वास्तुकला खोज के दृष्टिकोण को प्रभावित किया है, जिससे ये विधियां गैर-विशेषज्ञों के लिए अधिक सुलभ हो गई हैं।
रोबोटिक्स और गति योजना
रोबोटिक्स में, फॉस्ट ने मशीन लर्निंग का उपयोग करके संवेदन, गति योजना, और नियंत्रण को जोड़ने वाली विधियां विकसित कीं। उन्होंने PRM-RL बनाया, एक तकनीक जो नमूना-आधारित योजना को सुदृढीकरण सीखने के साथ जोड़ती है ताकि लंबी दूरी की स्वायत्त नेविगेशन सक्षम हो सके। यह कार्य ICRA 2018 में सर्वश्रेष्ठ पेपर इन सर्विस रोबोटिक्स पुरस्कार जीता, जो एक अग्रणी रोबोटिक्स सम्मेलन है।
फॉस्ट सामान्यवादी रोबोट मॉडल के शुरुआती समर्थक थीं जो प्रत्येक वातावरण के लिए पुनः प्रशिक्षण के बिना विविध भौतिक स्थानों में नेविगेट कर सकते हैं। उन्होंने इस सामान्यीकरण के लिए सैद्धांतिक नींव स्थापित की, यह दिखाते हुए कि सीखी गई नीतियां विभिन्न रोबोट प्लेटफार्मों और सेटिंग्स में कैसे स्थानांतरित हो सकती हैं। उन्होंने सीखने-आधारित रोबोटिक्स स्टैक के लिए स्व-पर्यवेक्षित तरीके भी विकसित किए, जिससे कम्प्यूटेशनल रूप से महंगी प्रशिक्षण प्रक्रियाओं से बचा जा सके।
बाद में, फॉस्ट ने इस दृष्टिकोण को हार्डवेयर-सॉफ्टवेयर सह-डिजाइन तक विस्तारित किया, जिसमें सेंसर, कंप्यूट, और मशीन लर्निंग मॉडल के बीच निर्भरताओं को चित्रित किया गया। इस अंतःविषय कार्य ने 2020 में बेस्ट ऑफ IEEE कंप्यूटर आर्किटेक्चर लेटर्स रनर-अप पुरस्कार और 2023 में IEEE माइक्रो टॉप पिक्स माननीय उल्लेख अर्जित किया। रोबोटिक्स में उनके योगदान को 2020 में IEEE अर्ली करियर अवार्ड इन रोबोटिक्स एंड ऑटोमेशन के साथ मान्यता दी गई।
जनरेटिव एआई और स्वायत्त एजेंट
फॉस्ट ने वेब एजेंटों के विकास का नेतृत्व किया, जिन्हें वेब पर कार्य करने वाले पहले पूरी तरह से स्वायत्त, खुले-अंत वाले कार्य एजेंटों के रूप में मान्यता दी गई। ये एजेंट मानव हस्तक्षेप के बिना अनुसंधान, बुकिंग, या डेटा संग्रह जैसे बहु-चरणीय कार्य कर सकते हैं। तकनीक को Google Assistant में एकीकृत किया गया था, जिससे उपयोगकर्ता जटिल ऑनलाइन गतिविधियों को सौंप सकते हैं।
उन्नत एआई की ओर उद्योग की प्रगति को मापने के लिए, फॉस्ट ने 'लेवल्स ऑफ AGI' का सह-लेखन किया, एक ढांचा जो कृत्रिम सामान्य बुद्धिमत्ता के मार्ग को परिचालित करता है। ढांचा क्षमता के चरणों को परिभाषित करता है, संकीर्ण एआई से पूर्ण AGI तक, और ब्लूमबर्ग न्यूज, द इकोनॉमिस्ट, और फोर्ब्स सहित मीडिया आउटलेट्स में चर्चा की गई है। यह एआई प्रणालियों का मूल्यांकन करने वाले शोधकर्ताओं और नीति निर्माताओं के लिए एक सामान्य शब्दावली प्रदान करता है।
जेनेसिस मॉलिक्यूलर एआई में मुख्य एआई अधिकारी
जून 2025 में, फॉस्ट को जेनेसिस मॉलिक्यूलर एआई, जो पहले जेनेसिस थेरेप्यूटिक्स था, का मुख्य एआई अधिकारी नियुक्त किया गया। कंपनी दवा खोज और आणविक डिजाइन पर एआई लागू करने पर केंद्रित है। अक्टूबर 2025 में, फॉस्ट और उनकी टीम ने 'पर्ल' फाउंडेशन मॉडल के लिए तकनीकी रिपोर्ट जारी की, जो बायोमोलेक्यूलर संरचनाओं में परमाणु प्लेसमेंट को संभालती है। पर्ल कथित तौर पर इस कार्य पर AlphaFold 3 को पीछे छोड़ने वाला पहला मॉडल है, जो कम्प्यूटेशनल जीव विज्ञान में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।
यह कार्य आणविक समस्याओं पर बड़े भाषा मॉडल तकनीकों और ट्रांसफॉर्मर वास्तुकलाओं को लागू करता है, जो स्केलेबल सीखने प्रणालियों में फॉस्ट की विशेषज्ञता पर आधारित है। मॉडल का उद्देश्य आणविक अनुरूपताओं की भविष्यवाणी में सटीकता में सुधार करना है, जो दवा विकास और प्रोटीन इंजीनियरिंग के लिए महत्वपूर्ण है।
पुरस्कार और सम्मान
फॉस्ट ने अपने करियर के दौरान कई पुरस्कार प्राप्त किए हैं। उन्हें 2026 में IEEE का फेलो नामित किया गया था, जिसमें उद्धरण स्केलेबल सीखने-आधारित स्वायत्तता और फाउंडेशन मॉडल में तकनीकी नेतृत्व में उनके योगदान को मान्यता देता है। 2023 में, उन्हें वीमेन इन रोबोटिक्स द्वारा '50 वीमेन इन रोबोटिक्स यू नीड टू नो अबाउट' सूची में शामिल किया गया था।
उनके अन्य सम्मानों में बेस्ट पेपर ऑफ IEEE कंप्यूटर आर्किटेक्चर लेटर्स रनर-अप (2020), IEEE अर्ली करियर अवार्ड इन रोबोटिक्स एंड ऑटोमेशन (2020), और ICRA बेस्ट पेपर इन सर्विस रोबोटिक्स (2018) शामिल हैं। ये पुरस्कार रोबोटिक्स, मशीन लर्निंग, और कंप्यूटर आर्किटेक्चर में उनके प्रभाव को दर्शाते हैं।
वक्तृत्व कार्यक्रम
फॉस्ट एआई और रोबोटिक्स विषयों पर एक मांग वाली वक्ता हैं। उन्होंने 2025 में IAEA की उभरती प्रौद्योगिकियों कार्यशाला में मुख्य भाषण दिया और वर्ल्ड समिट एआई में एक पूर्ण सत्र पैनल में भाग लिया। उन्होंने राष्ट्रीय विज्ञान अकादमी के लिए एक पैनलिस्ट के रूप में कार्य किया, जिससे एआई सुरक्षा और तैनाती पर नीति चर्चाओं में योगदान मिला। फॉस्ट ने सोसाइटी ऑफ वीमेन इंजीनियर्स WE17 सम्मेलन में एक पूर्ण सत्र वक्ता के रूप में 15,000 उपस्थित लोगों को भी संबोधित किया, जिसमें इंजीनियरिंग क्षेत्रों में विविधता की वकालत की गई।
उनके सार्वजनिक कार्यक्रम एआई अनुसंधान के व्यावहारिक अनुप्रयोगों और जिम्मेदार विकास के महत्व पर जोर देते हैं। फॉस्ट अक्सर उद्योग और समाज के लिए स्वायत्त प्रणालियों और फाउंडेशन मॉडल के निहितार्थों पर चर्चा करती हैं, जो राष्ट्रीय प्रयोगशालाओं, तकनीकी कंपनियों, और स्टार्टअप्स में उनके अनुभव से लिया गया है।
संदर्भ
फॉस्ट का कार्य शैक्षणिक प्रकाशनों और तकनीकी रिपोर्टों में प्रलेखित है। AutoRL, PRM-RL, और वेब एजेंटों पर उनके शोध पत्र मशीन लर्निंग और रोबोटिक्स समुदायों में व्यापक रूप से उद्धृत किए गए हैं। 'लेवल्स ऑफ AGI' ढांचा एआई प्रगति की चर्चाओं में एक संदर्भ बिंदु बन गया है। पर्ल फाउंडेशन मॉडल पर उनका हालिया कार्य जेनेसिस मॉलिक्यूलर एआई की अक्टूबर 2025 तकनीकी रिपोर्ट में विस्तृत है।